关于2019年数据分析的四个关键问题

PM360 在有关数据和分析的所有方面都询问专家,他们如何处理数据的流入以及将信息转化为见解的最佳方法。具体来说,我们问了12位专家,四个关键问题:

  • 当今许多生命科学公司在数据管理方面苦苦挣扎,如何更好地收集,组织和管理数据,有哪些可能的解决方案或技巧,以使它们能够将其转化为可行的见解?
  • 您认为数据分析的新趋势,进展或应用是什么?为什么?
  • 随着营销人员获得更多数据并进行更具体的评估的能力,如何确定用于衡量广告系列成功与否的关键绩效指标(KPI)是当今的最佳实践?
  • 更多的数据也导致了更多的噪音。帮助营销人员减少噪音以获得对他们最有利的信息的最佳方法是什么?

Jonathan Retano

为了使生命科学公司更好地收集,组织和管理数据,至关重要的是报告应来自单个集成分析平台。

为什么?一个平台可减少密码,访问点和冗余的数量。要获取当前位置所需的数据,请考虑以下问题:您需要调回多少个密码?您需要访问几个单独的位置?您必须联系多少个不同的人?这些步骤很容易消除。

单个平台允许任何部门查看自己的数据,还可以查看其数据与其他部门的数据集之间的关系。这提供了更大,更全面的图景。所有决策者和业务负责人都应该可以使用该平台,以使单个部门无法通过控制数据来获取权力。将所有数据集成到一个平台中还可以使报告标准化,并有助于消除报告错误,从而可以对数据治理和数据质量进行疯狂而细致的研究。

我们需要改变思维方式,打破传统的业务分析和数据管理范式。实现这一目标并不会受到技术的阻碍,而只会受到我们采取关键步骤进行变革的能力的阻碍。

Dr. Scott Clair

管理数据以获取可行的见解似乎很简单,但是如果没有在前端进行详细计划,那么后端出现故障的可能性就很大。请务必澄清您是要寻求洞察力来宣传明年的广告系列还是在当前广告系列投放市场时进行优化。我们的大多数客户都寻求两者。您必须从明确的业务问题开始,例如“我们的目标是参与内容还是采取暗示行为改变的关键行动?”必须捕获并分析特定的数据集才能回答此问题。我们建议每季度确定三到五个问题。

下一步是模拟主要视觉效果,以传达信息并就仪表板原型达成一致。同时,您应与将发送数据的人员会面,并阐明数据规范和频率。如果您在第一次数据交换中发现缺少任何东西,不要惊讶,您可能需要进行修改。收到所有正确的数据后,将输入用于可视化的数据,并完成其他高级分析以回答业务问题。营销策略师还是提供营销镜头以传达最可行答案的关键团队成员。

George Tenney

为了最大程度地利用整个组织,应在合理的范围内将标准化应用于数据收集和存储方法。使用一致的数据段(例如选项列表,年龄范围以及地理区域和级别(例如,州/ CBSA / zip))将减少整合数据所需的时间,并通过组合多个来源带来丰富的见解。此外,数据应通过具有组织结构(父/子/姐妹组织)的标准化组织名称(或理想情况下,唯一的标识符)进行分层连接,以推断组织或组之间的发现。

许多第三方数据供应商出售交叉引用列表,以将其列表与其他供应商的列表进行匹配;尽可能使用它们而不是重新创建轮子。在整个组织中共享数据,并定期使更新的数据资产列表可供组织中的其他数据用户使用。每位员工拥有的全局视图越紧密,访问权限越强,他们就越能够利用和集成各种数据资产来回答内部和外部业务问题。

Chris Paquette

数据令牌化技术将改变制药业,包括市场营销。

对于医疗保健而言,隐私至关重要。迄今为止,这已经对数据收集和使用提出了固有的和有保证的限制。令牌化将有助于推动制药业的发展。

令牌化技术可在保护患者隐私的同时实现数据驱动的进步。通过用未标识的唯一值(令牌)替换敏感的患者信息,可以以新的,隐私保护的方式链接孤立的数据集。

通过采用令牌化技术,公司可以在强大的应用程序中将各种不同的数据集(例如临床,交易和社会人口统计数据)组合在一起,从而可以一起进行挖掘和分析。

改进的数据访问和实用性具有广阔的前景和潜力。期望加速,更明智的医学研究;对人口健康和社会决定因素有更深入的了解;更高的诊断准确性和改进的治疗计划;媒体在推动积极健康成果方面的作用的可衡量归因;和更多。

Rohit Vashisht

对于业务用户而言,始终无法始终获得数据洞察力是很困难的。我们与客户目睹的一些数据趋势包括:

  1. 企业报告已失效。 尽管业务用户没有时间在收件箱中查看每日报告,但IT部门仍在努力维护和跟踪这些报告的使用情况。这是Uber和Airbnb一代,用于按需使用出租车或房间。那么为什么信息访问应该有所不同呢?
  2. 仪表盘很硬,通常是用户不相关数据的转储。 销售代表宁愿浏览复杂的仪表盘以查找医生在其领土上写了多少张处方,而宁愿向使用语音的移动设备上类似于人的界面询问此问题。
  3. 学习使用新软件对用户来说是浪费时间。 取而代之的是,一个位于所有企业信息之上的学习界面,可帮助用户获得上下文洞察,而无需培训。
  4. 新时代的AI平台自动适应变化 无需将数据重新调整为新的组织结构。

Tim Wohlgemut

所有营销利益相关者必须围绕预测做出一致,以做出关键的业务决策。今天的分析工具难道不应该使这种调整更加容易吗?制药公司总是会发现高级分析难以预测,因为数据的结构不良。创建,调整并重新处理预测是一个艰苦的过程。无数的场景和版本往往是高度手动且容易出错的。但是,当公司尝试在预测中实施数据管理时,几乎总是会在灵活性和结构之间进行权衡。制药业如何才能做到两全其美?

当今的高级分析技术有望在预测中实现“数量级”改进。最有前途的应用程序可以自动执行当前占用大量预测者时间的手动任务,同时还使他们能够产生可行的见解并在营销过程中发挥关键作用。这样做的关键是每个用户都喜欢使用的工具之间的结构化数据之间的无缝连接。其结果是无缝的数据存储和管理,报告和高级分析,协作,版本控制,方案,比较和其他功能。随着数据分析的发展,预测人员的职位可以真正提高,从而在严谨的分析与可行的见解与调整之间架起桥梁。

David Leitner

考虑到营销人员可获得的数据量,确定可确定并指导广告系列成功的关键绩效指标的一些最佳做法是:

首先,从最终的KPI(销售)中倒退,并列出所有可以推动与销售相关的销售的要素 品牌 (即意识,公平性,网站访问量,促销), 顾客 (即旅程,触发因素,媒体消费,内容驱动因素)以及 市场 (竞争,宏观和微观因素)。

其次,请确保您具有必要的工具,技术和才能将数据整合在一起。数据科学家和分析师的正确组合对于不断发展的模型和与营销团队合作至关重要。接下来,设置一个测试和学习路线图,使您能够确定与销售最相关的指标或组合。路线图可能会根据品牌或类别的生命周期(新的与成熟的),营销/媒体渠道投资(数字与离线,电子邮件与直接邮件)和其他因素而有所不同。

最后,鉴于“实时”提供准确输出的压力增加了,需要耐心。需要随着时间的推移开发和修改模型,尤其是当新变量开始起作用时。最后,将确定关键绩效指标(KPI)的简短列表以提高利润。

Eric Talbot

设置广告系列KPI时,务必要了解一种尺寸不能完全适合所有尺寸。例如,期望高分位数的处方者实现与低或中分位数的作家相同的增长,就像期望您的朋友已经在您的烤肉店吃了两个汉堡的人所吃的热狗与刚到达的人一样多。

在按细分确定最佳和最现实的目标时,重要的是让数据引导道路。使用以下框架在品牌和细分级别分析数据:

  • 考虑生命周期阶段
  • 评估处方趋势
    • 作家和Rx的人数在增加吗?
    • 患者和医师的依从性如何?
  • 确定品牌/类别面临的挑战
  • 量化改善绩效的机会
  • 通过价值和时间来映射机会

使用上述框架将有助于确定最合适的KPI并确定其优先级。通过在制作广告系列之前在细分级别有效地设置KPI,您的受众更有可能在品牌的烧烤店中消费正在投放的信息。

David Shronk

随着药品营销人员越来越多地了解,做出明智的投资决策之路取决于对真正未满足的需求以及人们如何与自身状况进行互动的深入了解,与零售环境中经常使用的市场结构模型和数字归因模型相反,受众群体的质量已经出现作为最有意义的KPI。

受众质量衡量达到的受众与广告的预期收件人的匹配程度。与其他评估方法相比,它是一种更好的KPI,因为当广告出现在网站上时,该网站上的内容与某人的病情相关,因此,药品营销人员“在此刻”就可以更好地吸引人们。结果,药品营销人员就有机会在有意义的互动中露面,从而使其高度相关。

虽然目前尚无衡量模型基于有机和上下文相关内容来跟踪受众质量,但制药团队应与衡量公司合作,该公司认识到两者如何提高受众质量的重要性。此外,营销人员应该找到能够参与并提供与任何患者的旅程相关的内容的合作伙伴。

Justin Grossman

营销人员渴望收集数据,但许多人不采取行动。仅有的 营销人员的6% 甚至可以实时查看广告系列数据。营销团队知道过去六个月该处方药专业的平均电子邮件打开率对每个处方者有多大价值?

最成功的品牌将其资源集中在收集和分析可推动更有意义的客户互动的数据上。如果利益相关者无法解释如何使用数据点来制定业务决策,那么从一开始收集数据就没有太大价值。

当然,要建立一个能够跨渠道集成和分析数据以更好地了解单个客户的数字基础架构,需要付出巨大的努力。但是有了合适的团队,营销团队就有可能获得洞察力并个性化客户体验。

明确定义了他们希望其数据回答的问题并找到数字专家来收集和管理数据的团队正在迅速从竞争中获益。借助更深入的数据可视性和利用该技术的技术,营销人员可以消除噪音,以评估其工作的有效性,做出明智的决策并为未来制定战略。

Christopher Dimmock

切记数据不能代替常识,这一点始终很重要。无论您的分析功能多么先进,市场在告诉您的内容与您应该采取的措施之间的因果关系之间都将存在差距。这通常是营销人员在分析中迷失方向的地方。他们通过优化媒体和消息传递组合来做出反应,从而在没有整体营销目标的情况下提高单个策略的绩效。回复日期经常引起人们对为什么发生某事的疑问,导致营销人员将“我们做了什么”与“这是为什么发生的”混淆了。最初的意图在各个绩效指标的细节中迷失了。

因此,在制定度量计划时,确定重要的度量(与您的主要业务目标相关性最高的度量)非常重要。使用这些作为衡量您的战略意图和总体营销成功规则的代理。在实施任何营销计划之前设置这些规则,并根据已建立的基准的综合结果来建立期望。如果您的规则很明确,那么您的数据应该可以启发您,而不是混淆您的成功。共享的成功指标是绩效的里程碑,而不是指导。

Jun Huangpu

大量的数据通过两种方式产生了更多的噪声。首先,数据量可能使营销人员不知所措,使他们无法专注于最重要的信息。其次,当在没有适当技术和方法的情况下执行分析时,大量数据本身会产生噪音,从而导致过时或倒置的虚假关系会误导注意力。

消除噪声需要采用机器学习技术的“受控应用”的新方法,这些方法应可显示关键发现,同时避免将“过度拟合” ML生成数据集可能产生的虚假发现。新的建模方法可以识别因果关系,准确把握关键见解,并实时采取最有效的课程纠正措施。

也许最重要的是:将重型分析技术翻译成营销人员的语言。至关重要的是,分析团队能够传达他们观察到的真实信号(发现),并将信号与委托给营销人员的业务决策联系起来,以最大限度地提高收益。

广告